本論文では、異なる種類のLiDARセンサーから得た範囲画像における物体検出のためのニューラルネットワークのトレーニング戦略を紹介しています。特に、自動運転車向けの範囲画像における効率的な物体検出モデルが提案されています。現在、LiDAR計測による物体検出の最高性能アルゴリズムはニューラルネットワークに基づいており、これらを監視学習でトレーニングするには大規模な注釈データセットが必要です。しかし、今のところ、利用可能なデータセットは限られた数しか存在せず、研究は主にこれらに依存しています。本研究では、より高解像度のデータセットをもとに、低解像度のLiDARセンサーのデータをシミュレーションし、異なるセンサー間でのネットワークの適用を実現しました。また、実際の低解像度センサーから得たデータでも結果が検証され、360°範囲画像からリアルタイムで物体検出を行う能力が示されました。